«این همه دیتاسنتر را اصلاً برای چه دارند میسازند؟» دوستی خسته اخیراً از من پرسید. او تنها کسی نیست که این سؤال را میپرسد: در پخش زنده اخیر ما درباره دیتاسنترها هم چند سؤال مشابه دریافت کردیم. سؤال کاملاً منطقیای است. اگر هوش مصنوعی دارد همه این دستاوردها را رقم میزند، چرا شرکتهای فناوری میلیاردها دلار بدهی میگیرند و برخی از بزرگترین نیروگاههای جهان را میسازند تا دیتاسنترهای بیشتری احداث کنند؟
پاسخ این نیست که به کاربر معمولی کمک کنند دستور پخت جستوجو کند یا برای تعطیلات جاهای دیدنی پیدا کند؛ پرسوجوهای ساده چتبات روزبهروز شیوهای قدیمیتر برای فکر کردن درباره هوش مصنوعی میشوند. حالا همه چیز درباره عاملها (agents) است — تعریف رسمیای وجود ندارد، اما به بیان ساده، عاملها سیستمهایی مبتنی بر مدل زبانی بزرگ هستند که برای تصمیمگیری خودمختار در اجرای یک وظیفه طراحی شدهاند — و این تغییر به سمت آنها بخشی از نیروی محرکه ساختوساز عظیم برقمحور سیلیکونولی است.
«بهجای اینکه از یک چتبات هوش مصنوعی یک پرسش ساده بپرسید و جواب بگیرید، این عاملها میتوانند بر اساس پرسش اولیه کاربر صدها پرامپت کوچک به خودشان بدهند» میگوید همکارم مکسول زف (Maxwell Zeff) که خبرنامه هفتگی Model Behavior را مینویسد. «مثلاً اگر کسی از یک عامل هوش مصنوعی بخواهد برایش وبسایت بسازد، ممکن است ساعتها برای ساخت امکانات اجرا شود و دهها بار خودش را دوباره پرامپت کند تا صفحات وب، منوها و مجموعهدادههای مختلفی بسازد که آن وبسایت را تغذیه میکنند.»
عاملها حالا قلب کار آزمایشگاههای پیشرو هوش مصنوعی هستند و کارهایی شگفتانگیز — و ترسناک — انجام میدهند. اخیراً OpenAI اعلام کرد دستهای از بیش از ۱۰٬۰۰۰ عامل که ۲.۷ میلیون پیام فرستاده بودند، یک مسئله دیرینه ریاضی را حل کردند (ریاضیدانان به این ادعاها واکنش منفی نشان دادند). هرچند این یک مورد استثنایی است — آزمایشگاههای هوش مصنوعی به شدت متعهد به حل مسائل بهظاهر غیرقابلحلاند و حاضرشد اینهمه منابع را صرف آن کنند — اما همه آن پیامها قدرت پردازش زیادی سوزاندند. و این یعنی انرژی زیاد: احتمالاً به ارزش دهها میلیون دلار، آنطور که مکس به من میگوید؛ هرچند گفتن رقم دقیق آن سخت است.
شرکتهای خصوصی هوش مصنوعی از نظر تاریخی درباره افشای معیارهای زیستمحیطی محصولاتشان بسیار محتاط بودهاند. بسیاری از مدیرعاملها اغلب به پرسوجوهای منفرد کاربران بهعنوان معیار مصرف منابع اشاره میکنند. در یک مصاحبه پادکستی اخیر، سم آلتمن، مدیرعامل OpenAI ادعا کرد مصرف آب برای برداشت یک بادام تنهایی معادل ۳۸٬۰۰۰ پرسوجوی ChatGPT است (این محاسبه مورد مناقشه قرار گرفته است). او گفت: «آدمهایی که یکجا ۱۲ بادام میخورند، از نظر مصرف آب احساس نمیکنند دارند کار وحشتناکی میکنند، در بیشتر موارد.»
وارد کردن عاملهای هوش مصنوعی به تصویر — که انرژیبریشان بسیار بیشتر از پرسوجوهای ساده است — این محاسبات را خیلی پیچیدهتر میکند. درباره مصرف انرژی عاملها کمبود شدید اطلاعات وجود دارد؛ وظایفشان میتواند از کارهای ساده تا یک روز کامل کدنویسی خودمختار با تیمی از عاملهای کمکی موازی متغیر باشد. شکاف عظیمی در مصرف برق میان این کاربردها هست — و با پیچیدهتر شدن وظایف، گسترشی بالقوه بینهایت.
بوریس گامازایچیکوف (Boris Gamazaychikov)، همبنیانگذار و مدیرعامل Sustainable AI، گروه پژوهشی و مشاورهای، میگوید: «در سایر حوزههای رشد فناوری، ما به تعداد آدمهایی که ماشین میرانند یا نتفلیکس میبینند محدودیم. اما حالا این چیزها از کاربران جدا شدهاند — و اگر به حرف رهبران هوش مصنوعی گوش کنید، فکر میکنم این همان چیزی است که میخواهند. آنها از تکشاخهایی حرف میزنند که یک کارمند دارند.»
خب، یک کارمندِ انسانی. در آن دنیای تصورشده، صدها یا حتی هزارها عامل هوش مصنوعی میتوانند در پسزمینه کار کنند. نمیخواهم درباره احتمال رخ دادن این اتفاق بحث کنم؛ همین بس که این آیندهای است که شرکتهای هوش مصنوعی به سمتش کار میکنند — و کمک میکند عجله به ساخت دیتاسنتر را توضیح دهد.
با دادههای قابل اعتماد اندکی که از شرکتها درباره مصرف انرژیشان میآید، بعضی از هواداران هوش مصنوعی دارند خودشان ریاضیاش را حساب میکنند. ماه گذشته، زیک هاوشفادر (Zeke Hausfather)، اقلیمشناس، پستی در وبلاگ نوشت و محاسبه کرد مصرف انرژیِ خودش که شدیداً به عاملها متکی است چقدر است. او با استفاده از منابع مختلف به این نتیجه رسید که نشست روزانه میانگینش با Claude ممکن است بیشتر از انرژی لازم برای راه انداختن دو یخچال مصرف کند. (گامازایچیکوف، که گروهش اواخر این ماه پژوهشهایی با محاسبات دقیقتر درباره ردپای زیستمحیطی عاملهای اجراشده روی مدلهای بسته منتشر خواهد کرد، اشاره کرد هاوشفادر تلاش خوبی کرده اما محاسباتش بر یافتههایی تا حدی قدیمی استوار بوده. این تعجبآور نیست، با توجه به اینکه چقدر کار دانشگاهی کمی روی این موضوع انجام شده و شرکتهای فناوری در افشای معیارهای انتشار چقدر مبهماند.)
هاوشفادر نتیجه میگیرد که در مقیاس بزرگ زندگی شخصیاش، همسطح بودن مصرف هوش مصنوعیاش با روشن نگهداشتن چند یخچال اضافه، عددِ ویرانگر دنیا نیست. اما این مصرف «همچنین یک منبع کاملاً جدید انتشار را نشان میدهد، در زمانی که دمای جهانی در حال جهش است و اهداف کاهش انتشار ما روزبهروز از مسیر خارج میشوند»؛ و خیلی بزرگتر از اعدادی بهاندازه تکهای بادام است که آلتمن بهعنوان معیار مطرح میکند.
هاوشفادر میگوید از هوش مصنوعی و ابزارهای عاملی «بیشتر از بیشتر مردم» استفاده میکند، اما این وضعیت ممکن است بهزودی تغییر کند. هفته گذشته متا یک عامل شخصی هوش مصنوعی عرضه کرد که طبق بیانیه شرکت «ساخته شده تا برای میلیاردها نفر در سراسر جهان کار کند». متا با نام Muse آن را اینطور معرفی کرد که برای هر کاربر یک «رایانه اختصاصی در ابر» نگه میدارد که حتی وقتی کاربر آفلاین است هم کار میکند؛ شرکت قصد دارد Muse را اواخر امسال با عینکهای هوشمندش یکپارچه کند. کاملاً ممکن است در آینده نزدیک، کاربران متا که با عینکهایشان بازی میکنند یا در فیسبوک وقت میگذرانند، بدون آنکه متوجه شوند وظایفشان را به عاملها برونسپاری کنند.
باز هم، وقتی با چیزهایی مثل پروازهای عادی یا خوردن روزانه گوشت گاو مقایسه میشود، ردپای کربن استفاده شخصی عاملی هنوز نسبتاً کوچک است. اما اگر متا آیندهای را تصور میکند که همه از یک عامل استفاده میکنند، این مقیاس عظیم برخی از دیتاسنترهایی را که دارند میسازند توضیح میدهد — مثل پروژه Hyperion در لوئیزیانا که با ۱۰ نیروگاه گاز طبیعی تغذیه میشود.
گامازایچیکوف میگوید: «فناوریای که قرار است توسط دیتاسنترهایی که الان پیشنهاد و ساخته میشوند تربیت شود، سه تا پنج سال دیگر فاصله دارد. طعم آن بسیار متفاوت از پنجره چتبات خواهد بود.»
**پرسش شما**
یک خواننده میپرسد: آیا نیروگاههای هستهای کوچک برای دیتاسنترها کارایی دارند؟
پاسخ کوتاه این است که بله، نیروگاههای هستهای کوچک میتوانند انتخاب عالیای برای برق بدون کربن دیتاسنترها باشند. تعدادی استارتاپ و توسعهدهنده دیتاسنتر آیندهای آرمانی را تصور میکنند که دیتاسنترها خوشحال با راکتورهای مدولار کوچک (SMR) که از شبکه برق جدا میشوند جفت شدهاند.
مشکل (مثل همیشه با هستهای) زمانبر بودن آن است: هیچ راکتور مدولار کوچکی در آمریکا بهصورت تجاری فعال نیست و با وجود دههها توسعه، فقط یک مدل مجوز فروش گرفته است. دولت ترامپ دارد به بلوغ سریعتر این صنعت کمک میکند، از جمله ایجاد پروژه آزمایشی در وزارت انرژی برای ۱۱ استارتاپ تا امسال به یک نقطه عطف کلیدی برسند. دستکم چندتایی موفق شدهاند به آن نقطه عطف برسند. حالا آنها سفر طولانی رساندن محصولاتشان به بازار را شروع میکنند.
اما بسیاری از توسعهدهندگان دیتاسنتر نمیخواهند سالها صبر کنند تا این شرکتها خودشان را ثابت کنند؛ به همین دلیل همین حالا توربینهای گازی نصب میکنند. به عبارت دیگر، آنها منتظر رسیدن آرمانشهر نمیمانند. ببینیم در چند سال آینده چه میشود!